如何计算每个数组索引的 mean/variance/standard 偏差？

Question

我有一些数据，例如 [[0, 1, 2], [0.5, 1.5, 2.5], [0.3, 1.3, 2.3]]。

我正在使用 numpy 和 python，我希望根据索引计算我的数据的均值和标准差。所以我想为 (0, 0.5, 0.3)（例如每个子数组的索引 0）、（1、1.5、1.3）（例如每个子数组的索引 1）等计算 mean/std。

有什么建议吗？（包括我如何存储结果并将其可视化，可能使用绘图或 matplotlib？）

非常感谢您。对可能解决此问题的软件包的任何介绍也将非常有帮助。

Answer 1

各种统计函数都带有一个 axis 参数，可以让您计算列的统计数据：

import numpy as np

a = np.array([[0, 1, 2], [0.5, 1.5, 2.5], [0.3, 1.3, 2.3]])

np.mean(a, axis=0)
# array([0.26666667, 1.26666667, 2.26666667])

np.std(a, axis=0)
# array([0.20548047, 0.20548047, 0.20548047])

np.var(a, axis=0)
# array([0.04222222, 0.04222222, 0.04222222])

如何计算每个数组索引的 mean/variance/standard 偏差？

How to calculate mean/variance/standard deviation per index of array?

python

arrays

numpy

statistics

mean